-
公开(公告)号：CN101515364B
公开(公告)日：2011-05-04
申请号：CN200910071639.8
申请日：2009-03-26
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于最频值滤波的各向异性图像平滑方法。本发明针对Alvarez图像选择性平滑算法，在速度控制函数中采用高斯滤波对图像去噪所带来的问题，提出采用最频值滤波代替高斯滤波的各向异性扩散平滑算法，由于最频值滤波具有边缘增强特性，并且对图像去噪有效，因此该算法在图像平滑过程中能更好地保持边缘甚至增强边缘，而且迭代次数越多，效果越明显。本发明在图像处理领域有着广阔的应用前景。
-
公开(公告)号：CN101887407A
公开(公告)日：2010-11-17
申请号：CN201010228743.6
申请日：2010-07-16
Applicant: 哈尔滨工业大学
IPC: G06F17/14
Abstract: 一种基于希尔伯特-黄变换的设备或系统机内测试信号特征提取方法，涉及设备或系统机内测试的关键处理技术，解决了传统机内测试特征提取方法难以实现自适应特征提取的问题，本发明具体过程如下：一、对输入的机内测试信号进行经验模态分解，得到一阶本征模态函数分量IMF1和残差函数RES；二、对IMF1进行希尔伯特变换，得到其幅值和瞬时频率；三、计算IMF1瞬时频率的一阶差分；四、对一阶差分进行信号处理，确定潜在故障特征出现的时刻集合；五、在机内测试信号的基础上生成最终特征时刻集合，并依照最终特征时刻集合截取特征信号。本发明适用于机内测试信号特征提取领域。
-
公开(公告)号：CN101515364A
公开(公告)日：2009-08-26
申请号：CN200910071639.8
申请日：2009-03-26
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于最频值滤波的各向异性图像平滑方法，用截尾中值滤波实现，属于图像处理领域。本发明为了克服基于最频值滤波的各向异性图像平滑算法中最频值难以确定或无法确定的问题，避免滤波器对图像临界位置点的不作为，引入最频值滤波的逼近方法——截尾中值滤波，用截尾中值滤波实现最频值各向异性图像平滑算法，改进后的算法更易于实现。本发明在图像处理领域有着广阔的应用前景。
-
公开(公告)号：CN118194145A
公开(公告)日：2024-06-14
申请号：CN202410180892.1
申请日：2024-02-18
Applicant: 哈尔滨工业大学人工智能研究院有限公司
IPC: G06F18/2411 , G06F18/2131 , G06F18/15 , G06F18/213
Abstract: 本发明公开了一种基于多分辨率分析和特征分离性的声信号分类方法，所述方法包括如下步骤：加载不同种类的待分类的声信号，通过小波多分辨率分析方法对声信号进行多分辨率分解，获得声信号在不同尺度下的子信号；对各子信号进行特征提取，计算各子信号的特征可分性指数ST，依据ST对各子信号特征进行特征筛选，获得最能反映不同声信号特征的最佳特征集合；为减少数据冗余和提升算法效率，使用ST对最佳特征集合进行降维处理，并使用支持向量机对降维后的特征集合进行分类，得到不同种类声信号的准确分类。本发明解决了深度学习方法可解释性低和统计学习鲁棒性差的问题。
-
公开(公告)号：CN117045279B
公开(公告)日：2024-03-29
申请号：CN202311232656.1
申请日：2023-09-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于点扩散函数参数优化的掌上超声成像方法，所述方法包括如下步骤：步骤一：基于衍射方程将点扩散函数建模为孔径权重的函数；步骤二：基于评价指标最优化窗函数；步骤三：引入系数加权对角矩阵并完成参数优化。本发明可以在考虑点扩散函数空间移变性的同时，通过改变超声成像系统的孔径权重从而使得系统实际的点扩散函数尽可能接近期望的点扩散函数，并利用参数优化方法得到最优的期望点扩散函数，通过设置最优的期望点扩散函数来实现最优孔径设计，从而优化光束参数，继而提高掌上超声图像的图像质量并更好地辅助医疗诊断。
-
Patent Agency Ranking
公开(公告)号：CN116597218A
公开(公告)日：2023-08-15
申请号：CN202310578843.9
申请日：2023-05-22
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V20/70 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种病理切片图像病变分级分类检测方法，所述方法包括如下步骤：步骤一：利用基于归一化互信息配准的自动化标签标注方法对裁剪后的图像标注标签，生成数据集；步骤二：对DenseNet121网络进行改进，引入焦点损失函数平衡多个组织样本之间的权重；步骤三：在改进后的DenseNet121中的每一个稠密块和转换层中间加入混合注意力模块，并将局部监督函数加入到修改后网络的损失函数中；步骤四：将步骤二和步骤三中的两个改进网络系统结合，形成针对病变的分级分类检测方案。本发明能够提高病变图像的检出速度和准确率，从而降低人工识别成本，扩展医学图像分类领域应用前景。
-
公开(公告)号：CN114926486B
公开(公告)日：2023-02-07
申请号：CN202210520779.4
申请日：2022-05-12
Applicant: 哈尔滨工业大学人工智能研究院有限公司
IPC: G06T7/12
Abstract: 本发明公开了一种基于多层级改进的甲状腺超声图像智能分割方法，所述基于甲状腺超声诊查图像，对传统经由单一深度学习算法获得粗分割结果进行优化调整，提出一种多层级的改进方法对甲状腺分割结果进行精确分割。所述多层级改进方法首先通过初步边界提取和边界修复得到较精确的甲状腺边界环形区域，进而提出一种超像素辅助分割算法，将边界环形区域及其对应的超像素图像一同送入算法学习，以在数据样本不足的情况下向算法引入更多有助于分割信息，得到辅助分割结果。本发明能在甲状腺超声图像不充足的情况下提升甲状腺分割在精度、形状、面积估计上的效果，在临床中提供更可靠的辅助信息，具有重要的医学价值。
-
公开(公告)号：CN110879254B
公开(公告)日：2021-09-17
申请号：CN201811029104.X
申请日：2018-09-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于改进最小二乘生成式对抗网络的钢轨裂纹声发射信号检测方法，本发明解决了针对不同种类的噪声环境下，通过对抗神经网络训练噪声模型实现自动滤除复杂噪声问题。本发明的步骤为：一、合成不同噪声背景下含噪信号样本库并归一化。二、生成式对抗网络的初始化。三、将去噪样本与参考样本共同输入判别器网络并根据判别误差更新判别网络权值。四、根据判别器损失值及去噪后均方误差更新生成网络权值。五、交替训练判别网络与生成网络最终用生成器前向网络实现噪声的有效去除。本发明与现有技术相比，具有以下优点：1)可用相同结构同时抑制多种噪声；2)自动学习噪声模型，不需任何先验知识；3)在高速强噪背景下仍能检测出裂纹声发射信号。
-
公开(公告)号：CN112730628A
公开(公告)日：2021-04-30
申请号：CN202110155082.7
申请日：2021-02-04
Applicant: 哈尔滨工业大学
Abstract: 一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，涉及伤损裂纹信号处理与检测领域的方法，解决了传统裂纹信号检测方法速度慢、效率低的问题。本发明的步骤为：一、加载原始声发射信号，获得噪声声发射信号；二、对噪声声发射信号提取γ倒谱系数特征，依据自适应鲁棒系数对其进行筛选；三、将噪声信号特征聚类，计算各特征到各聚类质心的距离，计算各聚类的不平等优化距离值；提取待测声发射信号的γ倒谱系数特征，依照步骤二选择待测信号特征，计算各特征到各聚类质心的距离，依据不平距离优化判别算法，判别待测信号。本发明运算速率快，检测精度高。在高铁钢轨与车轮伤损裂纹检测领域，具有很高的社会意义和经济价值。
-
公开(公告)号：CN109752461B
公开(公告)日：2021-04-02
申请号：CN201711089462.5
申请日：2017-11-08
Applicant: 哈尔滨工业大学
Abstract: 一种改进的分段式调节的最小均方反卷积钢轨裂纹信号复原方法，本发明解决了通过声发射探头激励出与钢轨断裂过程相同特性的声发射信号问题。本发明步骤为：一、将已知脉冲信号由声发射探头输入钢轨；二、输出与输入做FFT变换，二者频谱相除得系统特性初值；三、对系统特性最小均方滤波；四、重复步骤三至还原误差小于预设值，输出系统脉冲响应；五、由裂纹信号与系统脉冲响应反卷积得反演信号。六、根据钢轨不同频率段衰减程度设定权值，将反演信号时域成分加权叠加得最终输入信号。本发明用分段调节最小均方反卷积方法在钢轨中反演出裂纹声发射信号，改进了现有声发射测试中裂纹源模拟方法，更加安全易于实施，有较强的理论与工程实际意义。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.031 seconds)
